Trichomonas tenax Hs-4:NIH ATCC 30207 基因组注释与工作流 v1.1

数据集获取

源站：https://doi.org/10.5281/zenodo.22979861

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 117.2 MB。

数据说明

本v1.1数据集提供了与GenBank同步的基因组注释及可重复性资源，适用于Trichomonas tenax菌株Hs-4:NIH（ATCC 30207）。当前主要参考序列、注释、CDS和蛋白质遵循NCBI Assembly GCA_061597355.1和WGS JCCIQK000000000（版本JCCIQK010000000）。该发布包含由≥15 kb读长组装的212个contig结构骨架、最终的178个contig公开参考序列、完整注释和证据表、contig状态与登录号交叉对照表、污染筛查报告、图1–6源数据、SOP以及绘图和注释脚本。历史eggNOG、InterPro、同源性、转录组学和蛋白质组学证据，连同原始PRIDE搜索FASTA，作为版本化溯源信息保留，未在标准化公开GenBank蛋白质序列上重新运行。原始测序读长可在BioProject PRJNA1457677、BioSample SAMN57469269、SRA Study SRP694902和运行号SRR38266486–SRR38266490下获取。蛋白质组学数据可从PRIDE/ProteomeXchange在PXD084213（https://doi.org/10.6019/PXD084213）下获取。

与此版本对应的工作流程代码可在 GitHub 版本 v1.1.1 中获取（https://github.com/yeh234/Ttenax-workflow/releases/tag/v1.1.1；提交 042bcc8db7eee584cb1c9b7653e0b313d3ccf8e0）。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。